글로벌 거래 수익의 77%가 SAP를 거쳐 흐른다. 포춘 500 기업의 92%, 전 세계 425,000개 이상의 기업이 SAP를 운영 중이다. 그럼에도 "SAP를 AI로 대체한다"는 프로젝트는 거의 예외 없이 실패하거나 수년째 진행 중이다. 이유가 뭘까?
이게 왜 아직도 이슈인 건데?
SAP는 1972년에 시작됐다. 50년 넘게 전 세계 기업의 재무·공급망·HR·제조 데이터가 SAP 안에 쌓였다. 단순한 소프트웨어가 아니라, 수십 년간의 비즈니스 규칙과 예외 처리가 코드와 설정으로 굳어진 기업의 신경계다.
어떤 기업도 이 시스템을 "통째로 교체"할 수 없다. 교체 프로젝트에 수억 달러와 5~10년이 들고, 그 사이 비즈니스는 멈추지 않는다. 글로벌 SAP 마이그레이션 프로젝트의 70% 이상이 예산 초과 또는 납기 지연을 경험한다는 사실이 이를 증명한다.
SAP는 그냥 ERP 소프트웨어가 아니다. 기업의 수십 년치 운영 지식이 코드화된 시스템이다. 이를 대체하는 것은 기업의 DNA를 바꾸는 것과 같다.
왜 AI가 SAP를 대체 못하는 건데?
생성형 AI가 등장하면서 "이제 SAP를 버리고 AI 네이티브 ERP로 갈 수 있다"는 주장이 나왔다. 현실은 다르다.
| 전략 | SAP 대체 | AI 레이어 추가 |
|---|---|---|
| 전환 비용 | 수억 달러 + 5-10년 | 수개월 구축, 점진적 확장 |
| 리스크 | 운영 중단, 데이터 손실 위험 | 기존 시스템 유지, 낮은 리스크 |
| 데이터 | 수십 년 히스토리 재구축 필요 | 기존 데이터 그대로 활용 |
| 현실성 | 대부분 실패 또는 지연 | 이미 대기업들이 채택 중 |
SAP의 핵심 가치는 소프트웨어 기능이 아니라 수십 년간 구축된 비즈니스 프로세스의 디지털 기록에 있다. 어느 회사도 이 기록을 포기할 수 없다.
AI 레이어 전략이 뭔데?
대체가 아닌 증강. SAP는 그대로 두고, 그 위에 AI 인텔리전스 레이어를 올리는 접근이다.
- SAP Joule — SAP 자체 AI
SAP가 2023년 출시한 생성형 AI 어시스턴트. SAP 시스템 전반에 내장되어 자연어로 데이터를 쿼리하고, 프로세스를 자동화하며, 인사이트를 추출한다. 기존 SAP 데이터를 학습해 도메인 특화 답변을 제공한다. - Microsoft Copilot for SAP
Microsoft가 SAP와 협력해 Azure OpenAI를 SAP 워크플로우에 통합했다. SAP 데이터에 자연어로 접근하고, 보고서를 자동 생성하며, 다음 행동을 추천한다. - 커스텀 AI 에이전트 구축
SAP API와 LLM을 결합해 특정 업무 프로세스를 자동화하는 방식. 예: 구매 승인 에이전트가 SAP 데이터를 읽고 정책에 따라 자동 승인/거부 결정.
핵심은 SAP를 최종 데이터 소스로 유지하면서, AI가 그 데이터에 더 스마트하게 접근하는 인터페이스가 되는 것이다.
핵심만 정리: AI-SAP 통합의 시작
- SAP 데이터 인벤토리 파악
어떤 SAP 모듈이 어떤 데이터를 가지고 있는지 파악하라. AI 레이어 구축의 첫 단계는 "무엇을 AI에 연결할 것인가"를 결정하는 것이다. - 고빈도·반복 업무 식별
SAP 데이터를 기반으로 반복되는 판단 업무를 찾아라. 구매 승인, 재고 예측, 송장 처리 등이 AI 자동화의 1차 후보다. - API 연결 가능성 확인
SAP S/4HANA는 RESTful API를 제공한다. 최신 LLM(Claude, GPT-4o)과의 연결은 기술적으로 복잡하지 않다. 아직 API를 열지 않았다면 IT 팀과 논의하는 것이 시작점이다. - 파일럿 프로젝트 선정
전사 배포 전에 하나의 프로세스에서 AI 레이어를 파일럿하라. 성공 사례를 만드는 것이 예산과 조직의 동의를 얻는 가장 빠른 경로다.
